库名称: stable-baselines3 标签:

• Hopper-v3
• 深度强化学习
• 强化学习
• stable-baselines3 模型索引:
• 名称: PPO 结果:
  • 指标:
    • 类型: 平均奖励 值: 2410.11 +/- 9.86 名称: 平均奖励 任务: 类型: 强化学习 名称: 强化学习 数据集: 名称: Hopper-v3 类型: Hopper-v3

PPO 智能体在 Hopper-v3 中的表现

这是一个经过训练的 PPO 智能体模型，用于在 Hopper-v3 环境中运行，使用了 stable-baselines3 库 和 RL Zoo。

RL Zoo 是一个用于 Stable Baselines3 强化学习智能体的训练框架，包含超参数优化和预训练智能体。

使用方法（与 SB3 RL Zoo 配合）

RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo
SB3: https://github.com/DLR-RM/stable-baselines3
SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# 下载模型并保存到 logs/ 文件夹
python -m rl_zoo3.load_from_hub --algo ppo --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Hopper-v3  -f logs/

训练（使用 RL Zoo）

python train.py --algo ppo --env Hopper-v3 -f logs/
# 上传模型并生成视频（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env Hopper-v3 -f logs/ -orga sb3

超参数

OrderedDict([('batch_size', 32),
             ('clip_range', 0.2),
             ('ent_coef', 0.00229519),
             ('gae_lambda', 0.99),
             ('gamma', 0.999),
             ('learning_rate', 9.80828e-05),
             ('max_grad_norm', 0.7),
             ('n_envs', 1),
             ('n_epochs', 5),
             ('n_steps', 512),
             ('n_timesteps', 1000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs',
              'dict( log_std_init=-2, ortho_init=False, activation_fn=nn.ReLU, '
              'net_arch=[dict(pi=[256, 256], vf=[256, 256])] )'),
             ('vf_coef', 0.835671),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])